我有一个带有m个观测值和p个分类变量（标称值）的数据集，每个变量X1，X2 ...... Xp有几个不同的类别（可能的值）。最后，我正在寻找一种方法来查找异常，即识别与我到目前为止所看到的数据相比，值的组合看起来不正确的行。到目前为止，我正在考虑构建一个模型来预测每列的值，然后构建一些度量来评估实际行与预测行的差异。我非常感谢任何帮助！
答案 0 :(得分：0)
查看最近的邻域方法和聚类分析。度量标准可以是简单的（如平方误差），甚至可以是自定义的（每个类别都有预定义的权重）。
最近的社区将回答“与另一行的当前行有多么不同”的问题，聚类分析将回答“是否异常”的问题。一些可视化也可能有所帮助（T-SNE）。